2026年WAIC，最热的展品不是某款新芯片，而是一个黑色机柜——华为Atlas 950 SuperPoD超节点。
单柜集成64张昇腾950计算卡，最高可扩展至8192张高速互联，FP8总算力8 EFLOPS（每秒800亿亿次），互联带宽16.3 PB/s。
华泰证券把2026年叫做"国产超节点元年"，预计2028年市场规模达3414亿元。沐曦、昆仑芯、燧原、中兴……几乎所有国产算力厂商都在今年推出了自己的超节点产品。
但大多数人看超节点，看的是"多少张卡、多少FLOPS"——这是训练时代的思维。
超节点真正的技术突破，不在算力规模，而在架构革命：从"单卡作坊"到"系统级Token工厂"。
过去衡量算力，看的是单卡FLOPS；现在衡量算力，看的是系统级Token产出效率——每卡每秒能产出多少Token，整个集群的推理吞吐是多少。超节点不是简单的"更多卡"，而是一种全新的算力组织方式。
一、为什么需要超节点？推理时代的算力困境
要理解超节点，先要理解算力市场的需求变化。
2023-2024年，算力市场的主需求是训练——用海量数据训练大模型，算力消耗以"训练时长"衡量，对互联带宽和延迟的容忍度较高。
2025年开始，随着DeepSeek、Kimi等开源模型大规模落地，算力市场的主需求转向推理——让训练好的模型回答用户问题。推理场景对硬件的要求与训练截然不同：
训练 vs 推理：两种完全不同的算力需求
- 训练：追求峰值算力，可容忍数小时延迟，通信带宽要求中等
- 推理：追求持续吞吐，必须毫秒级响应，通信带宽要求极高
- 训练：单卡效率重要，卡间协同次之
- 推理：卡间协同决定整体效率，单卡性能不再是瓶颈
- 训练：算力利用率60%可接受
- 推理：算力利用率必须>90%，否则用户等待时间不可接受
问题在于：传统算力架构是为训练设计的，不是为推理优化的。
传统集群里，卡与卡之间通过铜线或PCIe连接，通信延迟在微秒级。训练场景下，这个延迟可以接受；但推理场景下，用户等不起。
更关键的是，推理分为两个阶段，对硬件的需求完全不同：
推理两阶段架构
- 第一阶段：Prefill（预填充）——处理用户输入，计算Prompt的KV Cache。这个阶段需要高算力（大量矩阵运算），对内存带宽要求相对较低。
- 第二阶段：Decode（解码）——逐字输出回答。这个阶段需要高内存带宽（频繁读取KV Cache），对算力要求相对较低。
传统思路是"一块芯片包办所有"——Prefill和Decode都在同一张卡上完成。但两个阶段的需求相反，通吃路线在两端都有效率损耗。
超节点要解决的核心问题：如何让几千张卡像一张卡那样协同工作，把推理效率从"单卡能力"变成"系统级产能"？
• • •
二、超节点的技术核心：Scale-up互联架构
超节点的技术核心不是"更多卡"，而是Scale-up互联——把多张卡在逻辑上变成"一台计算机"。
这里要区分两个概念：
Scale-out vs Scale-up：两种不同的扩展方式
- Scale-out（横向扩展）：通过以太网/RDMA连接多个节点，每个节点独立工作，节点间通信延迟在微秒到毫秒级。适合训练场景，容错性好。
- Scale-up（纵向扩展）：通过高速互联把多个芯片/节点紧密耦合，形成一个逻辑上的"大芯片"，芯片间通信延迟在纳秒级。适合推理场景，延迟极低。
超节点走的是Scale-up路线。它的技术挑战在于：
1. 互联带宽：8192张卡要高速交换数据，互联带宽必须足够大
2. 通信延迟：推理场景对延迟极度敏感，必须压到纳秒级
3. 统一内存：所有卡要能访问同一块内存，不能有数据搬运损耗
我们来看华为昇腾950超节点是怎么解决这三个问题的。
2.1 灵衢（UnifiedBus）：国产Scale-up协议
全球目前存在三条Scale-up技术路线：
| NVLink | 英伟达 | 576 GPU | 封闭 |
| UALink | AMD主导联盟 | 1024加速器 | 开放标准 |
| 灵衢（UnifiedBus） | 华为 | 8192 NPU | 开放（1.0规范已公开） |
灵衢1.0已用于昇腾384超节点（已商用750+套），灵衢2.0用于昇腾950超节点。
灵衢2.0的关键突破：芯片间通信延迟从2微秒压到200纳秒——快了10倍。互联带宽达到16.3 PB/s，是英伟达NVL144方案的62倍。
这个数字的意义在于：8192张卡在逻辑上变成"一台计算机"，数据在纳秒级完成传输，推理过程不再有"卡间通信瓶颈"。
2.2 昇腾950的硬件设计：Prefill/Decode分拆
前面提到，推理的Prefill和Decode两阶段需求相反。华为的解法是：不做通吃，做专用。
| 昇腾950 PR | Prefill（预填充） | 高算力，处理Prompt | 2026年3月 |
| 昇腾950 DT | Decode（解码） | 高内存带宽，逐字输出 | 2026年8月 |
这种分拆设计的技术逻辑是：
传统方案：一张卡做Prefill + Decode
→ Prefill阶段：算力利用率100%，内存带宽利用率30%
→ Decode阶段：算力利用率30%，内存带宽利用率100%
→ 整体效率：两阶段都有浪费
昇腾950方案：PR专攻Prefill，DT专攻Decode
→ PR卡：算力利用率100%，专做矩阵运算
→ DT卡：内存带宽利用率100%，专做逐字输出
→ 整体效率：两阶段都拉到极致
基于昇腾950的DeepSeek V4 Flash，每卡每秒Token输出效率较V3提升160%。
2.3 统一内存与全光互联
昇腾950超节点的另一个技术亮点是统一内存架构：
昇腾950 SuperPod（1024卡版本）核心参数
- FP8总算力：1 EFLOPS（每秒100亿亿次）
- 统一内存：256 TB（所有卡共享）
- 互联带宽：16.3 PB/s
- 通信延迟：200纳秒（灵衢2.0）
- 互联方式：全光互联（使用数万只高速光模块）
256TB统一内存意味着：所有卡的内存被整合成一个大的内存池，任何一张卡都可以直接访问任何数据，不需要数据搬运。
"全光互联"则意味着卡间通信全部用光信号，不用铜线。光信号的优势是带宽高、延迟低、无电磁干扰。
这里有一个容易被忽略的细节：超节点里真正贵的，不只是芯片，还有光模块。
单套384节点的昇腾超节点，需要6912个400G/800G光模块，占硬件成本20%以上。8192卡版本需要的光模块数量更多。开源证券指出：同等算力输出下，国产集群对应的AIDC建设规模显著大于海外方案，从土地、电力到机柜、液冷配套的全链条均将受益。
• • •
三、超节点的工程挑战：不只是芯片问题
把8192张卡连在一起，不是"把线接上"那么简单。超节点带来一系列工程挑战：
3.1 散热：液冷是准入门槛
8192张卡集中在一个机柜里，功耗密度极高。东数西算政策要求PUE<1.25，一线城市液冷机柜占比要求>50%——不液冷，审批都过不了。
超节点散热方案对比
- 冷板式液冷：在芯片表面安装冷板，循环冷却液带走热量。成本较低，但散热上限有限。
- 全浸没式液冷：整个服务器浸泡在冷却液中。散热效果最好，PUE可低至1.04（中科曙光数据），但成本高。
- 风冷（低配版）：Atlas 850E采用VCE相变散热，无需液冷改造，标准机房直接上。超节点门槛从省级智算中心打到区县级。
3.2 调度：50万卡不宕机
昇腾950超节点可以组合成Atlas 950 SuperCluster集群，算力规模超过50万卡。
50万卡实时调度，任意一张卡降频、断连或报错，都需要毫秒级隔离重分配，训练/推理不能停。
华为展台展示过50万卡调度系统，被多家媒体称为"WAIC技术含量最高的展项"。
"交付容易，养活难。超节点的护城河在软件，不在参数。"——WAIC现场从业者评价
3.3 软件生态：CUDA vs CANN
硬件参数在追，但真正难追的是软件生态。
CUDA经过近20年积累，拥有数十万开发者。昇腾CANN生态已适配超1000个模型，但与CUDA仍有数量级差距。
不过，推理时代的到来正在改变这个格局：
国产大模型的国产芯片适配进展（2026年7月）
- DeepSeek V4：发布当天完成昇腾适配，官方技术报告将昇腾与英伟达并列写入硬件验证清单
- Kimi K3：2.8万亿参数，基于昇腾超节点运行，API定价仅为GPT-5.6 Sol的28%
- 智谱GLM-5.2：开源首日完成昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞八大国产平台全适配
- MiniMax M3：实现昇腾、摩尔线程、沐曦、昆仑芯、海光等Day 0适配
三年前国产大模型默认跑在英伟达上，国产芯片是备胎。现在国产模型发布当天就主动适配国产芯片——能上的全上。
• • •
四、从Token成本看超节点的价值
超节点的最终价值，体现在Token生产成本的下降。
全球LLM推理成本在3年内下降约1000倍——从每百万Token约20美元降至约0.40美元。
中国日均Token调用量在2026年3月突破140万亿，两年增长超千倍。推理场景对总算力的消耗占比已达约85%。
超节点通过架构创新，把Token生产的每一个环节都压到极致：
Token成本下降的技术路径：
1. 灵衢2.0互联延迟2μs→200ns → 推理响应更快
2. Prefill/Decode分拆 → 硬件利用率从60%提升到90%+
3. 统一内存256TB → 消除数据搬运损耗
4. 全光互联16.3PB/s → 卡间通信不再是瓶颈
5. 8192卡Scale-up → 系统级吞吐大幅提升
结果：每卡每秒Token输出效率提升160%（DeepSeek V4 Flash数据）
Token成本下降，直接影响模型层的定价策略。以Kimi K3为例：
| Kimi K3 | $3（缓存命中$0.30） | $15 |
| GPT-5.6 Sol | ~$15 | ~$75 |
| Claude Fable 5 | ~$15 | ~$75 |
K3的输入成本只有GPT-5.6 Sol的28%，输出成本也是28%。编程场景下缓存命中率超过90%，实际输入成本可以低到$0.30/百万Token。
多位分析人士的总结很精准："以Sonnet级别的价格，提供Opus级别的产出。"
• • •
五、技术路线对比：中美三条Scale-up路线
超节点的技术竞争，本质是Scale-up互联协议的竞争。全球目前有明确技术路线的玩家：
三大Scale-up技术路线对比
- NVLink（英伟达）：封闭路线，最大576 GPU互连，生态成熟但锁定严重
- UALink（AMD联盟）：开放标准，最大1024加速器，2025年成立联盟
- 灵衢（华为）：开放路线，最大8192 NPU，灵衢2.0技术规范已向产业界开放
三条路线的核心差异：
| 最大规模 | 576 GPU | 1024加速器 | 8192 NPU |
| 开放程度 | 封闭（英伟达专用） | 开放标准联盟 | 开放（规范已公开） |
| 互联介质 | 铜缆+光模块混合 | 铜缆+光模块 | 全光互联 |
| 商用状态 | 成熟（GB200/GB300） | 规划中 | 商用（384超节点750+套） |
| 生态锁定 | 强（绑定CUDA） | 中（多厂商） | 低（开放接入） |
从技术规格看，灵衢在最大规模和互联带宽上有优势；但从生态成熟度看，NVLink+CUDA仍是业界标杆。
不过推理时代的到来正在松动CUDA的生态锁定——当客户按Token计价时，芯片生态不再是决定性因素，系统级Token产出效率才是。
• • •
六、总结：超节点的技术意义
超节点不是一个简单的"更多卡"方案，而是一次算力组织方式的架构革命：
超节点的核心技术突破
- Scale-up互联：从"单卡作坊"到"系统级计算机"，8192卡逻辑上变成一台机器
- 灵衢2.0：通信延迟从2μs压到200ns，互联带宽16.3PB/s
- Prefill/Decode分拆：硬件利用率从60%提升到90%+
- 统一内存：256TB内存池，消除数据搬运损耗
- 全光互联：数万只光模块协同，无电磁干扰
超节点的最终价值，体现在Token生产成本的结构性下降。当Token成本下降，模型层才有底气把价格打到海外的三分之一，整个AI产业的成本曲线才会持续向下。
2026年是国产超节点元年。未来两年，超节点将从"技术验证"走向"规模商用"，成为AI推理时代的核心基础设施。
